Machine Learning

Core ML 是 Apple 的手機機器學習框架，讓我們在設備上部署、運行和重新訓練模型。我們可以利用 CoreML 實作很多東西，包括文本、聲音、甚至是圖像識別。在這篇教學文章中，Anupam 會帶大家使用 Core ML 和 Vision，在 SwiftUI 實作圖像分割，來刪除和轉換圖像的背景。

在這幾年來，機器學習 (Machine Learning) 的應用如雨後春筍般大量地出現，也越來越貼近一般人的日常生活，包括語音、影像辨識，語意分析，行為分析等等，都跟機器學習脫離不了關係。雖然機器學習的技術在這幾年來已經十分成熟，不過手機的應用程式在這方面還是大多扮演著媒介資料的角色，由手機端接受使用者來的資料，上傳到 server 完成分析後再將結果回傳到手機端。這個資料傳遞的過程中，手機程式是跟機器學習一點關聯都沒有的。 在

近年無程式碼視覺化拖放工具開始出現，以彌補資料科學家的不足，並讓非技術背景的人更加容易使用人工智慧技術，發揮更多創意。在本篇文章中，Anupam 會逐一介紹幾個好用的無程式碼機器學習 (Machine Learning) 工具，讓你把 AI 的想法變成實際的 App。

樣式轉換 (Style Transfer) 讓我們在一個圖像上套用另一個圖像的視覺樣式，改變圖像的構圖。在 WWDC 2020，Create ML 加入了樣式轉換模型，功能大大提升。在本篇文章中，Anupam 會帶大家建構一個 iOS App，來實時運行樣式轉換模型。

本篇原文（標題：Advancements in Artificial Intelligence in iOS 14）刊登於作者 Medium，由 Anupam Chugh 所著，並授權翻譯及轉載。 Apple 近幾年一直推動 AI 相關領域的發展，

Google Translation API 能提供基於機器學習 (Machine Learning) 的翻譯功能，將任何字串轉換成任何支援的語言形式。 此文將會深入解釋如何使用翻譯 API，讓我們可以在 app 中提供即時翻譯功能。

今年在 2018 WWDC 的大會上，Apple 發表了 Core ML 2.0。這最新版本強調開發過程的流暢性，包括最佳化機器學習模型大小，改善執行的效能，並提供開發者客製化自己的 Core ML 模型。 這次教學將講解所有 Core ML 2.0 新增加的功能，並且教你如何在 App 上運用。

在 Google I/O 2018 開發者大會上，Google 發表了一款全新的開發工具 ML Kit 給開發者。有了 ML Kit，你只需要很少程式碼就可以執行各種機器學習任務。在本次教學中，我們會選擇 Google 使用的模型，因為加入自己的模型必須使用 TensorFlow、並對 Python 有相當程度的瞭解。

你知道嗎，Apple 的全球開發者大會 (WWDC) 已經在上週舉行了！在這會議上，Apple 對現有的軟體和框架發佈了不少改進，而其中一個框架就是 Create ML 。 去年，Apple 推出了 Core ML，這工具讓你以最少的程式碼迅速將預先訓練好的機器學習模型導入 App 內。今年，